تسعى شركات الذكاء الاصطناعي، مثل “أوبن أيه آي” إلى التغلب على التأخيرات والتحديات غير المتوقعة في السعي إلى تطوير نماذج لغوية كبيرة أكثر من أي وقت مضى. يأتي ذلك بواسطة تطوير تقنيات تدريب تستخدم طرقًا أكثر شبهًا بالبشر لكي ”تفكر“ الخوارزميات.
وقال عشرات العلماء والباحثين والمستثمرين في مجال الذكاء الاصطناعي وفق “رويترز”: إنهم يعتقدون أن هذه التقنيات، التي تقف وراء نموذج “o1” الذي أصدرته “أوبن أيه آي” مؤخرًا، يمكن أن تعيد تشكيل سباق التسلح في مجال الذكاء الاصطناعي.
كما أن لها تأثيرات على أنواع الموارد التي تطلبها شركات الذكاء الاصطناعي بنهم. بداية من الطاقة وحتى أنواع الرقائق.
من ناحية أخرى، رفضت الشركة التعليق على هذه القصة. بعد إصدار روبوت الدردشة Chat GPT قبل عامين.
كيف تتعاون أوبن أيه آي مع منافسيها؟
أكدت شركات التكنولوجيا، التي استفادت من طفرة الذكاء الاصطناعي، أن ”توسيع نطاق“ النماذج الحالية من خلال إضافة المزيد من البيانات وقوة الحوسبة، سيؤدي باستمرار إلى تحسين نماذج الذكاء الاصطناعي.
وقال إيليا سوتسكيفر؛ المؤسس المشارك لمختبرات الذكاء الاصطناعي Safe Superintelligence (SSI) و OpenAI، وفق “رويترز”، مؤخرًا أن نتائج توسيع نطاق التدريب المسبق. هي مرحلة تدريب نموذج الذكاء الاصطناعي الذي يستخدم كمية هائلة من البيانات غير الموسومة لفهم أنماط اللغة وهياكلها قد استقرت.
وينسب إلى “سوتسكيفر” الفضل على نطاق واسع باعتباره من أوائل المدافعين عن تحقيق قفزات هائلة في تقدم الذكاء الاصطناعي التوليدي. ذلك من خلال استخدام المزيد من البيانات وقوة الحوسبة في التدريب المسبق. وهو ما أدى في النهاية إلى إنشاء Chat GPT. وترك “سوتسكيفر” Open AI في وقت سابق من هذا العام ليؤسس “SSI”.
عصر ازدهار التكنولوجيا
قال ”كان العقد الأول من القرن الحادي والعشرين هو عصر التوسع. والآن عدنا إلى عصر العجائب والاكتشافات مرة أخرى. الجميع يبحث عن الشيء التالي.
وأضاف “سوتسكيفر”: “توسيع نطاق الشيء الصحيح مهم الآن أكثر من أي وقت مضى”.
ويمكن أن تكلف ما يسمى بـ ”عمليات التشغيل التدريبية“ للنماذج الكبيرة عشرات الملايين من الدولارات خلال تشغيل مئات الرقائق في وقت واحد.
ومن المرجح أن تتعرض هذه النماذج للفشل الناجم عن الأجهزة نظرًا لمدى تعقيد النظام، وقد لا يعرف الباحثون الأداء النهائي للنماذج حتى نهاية التشغيل؛ ما قد يستغرق شهورًا.
المشكلة الأخرى، أن النماذج اللغوية الكبيرة تلتهم كميات هائلة من البيانات. فقد استنفدت نماذج الذكاء الاصطناعي جميع البيانات التي يمكن الوصول إليها بسهولة في العالم. كما أعاق نقص الطاقة أيضًا عمليات التدريب؛ حيث تتطلب العملية كميات هائلة من الطاقة.
تحديات تطوير الذكاء الاصطناعي
وللتغلب على هذه التحديات، يستكشف الباحثون ”حساب وقت الاختبار“، وهي تقنية تعزز نماذج الذكاء الاصطناعي الحالية خلال ما يسمى بمرحلة ”الاستدلال“، أو عندما يتم استخدام النموذج.
على سبيل المثال، بدلًا من اختيار إجابة واحدة على الفور، يمكن للنموذج توليد وتقييم احتمالات متعددة في الوقت الحقيقي، ليختار في النهاية أفضل مسار للمضي قدمًا.
توجد مشكلة أخرى، وهي أن النماذج اللغوية الكبيرة تلتهم كميات هائلة من البيانات. وقد استنفدت نماذج الذكاء الاصطناعي جميع البيانات التي يسهل الوصول إليها في العالم.
كما أعاق نقص الطاقة أيضا عمليات التدريب، حيث تتطلب العملية كميات هائلة من الطاقة.
كذلك تسمح هذه الطريقة للنماذج بتكريس المزيد من قوة المعالجة للمهام الصعبة مثل الرياضيات أو مشكلات البرمجة أو العمليات المعقدة التي تتطلب تفكيرًا وقرارًا شبيهًا بالإنسان.
وقال نعوم براون؛ الباحث في Open AI في مؤتمر TED للذكاء الاصطناعي: ”اتضح أن جعل الروبوت يفكر لمدة 20 ثانية فقط في لعبة البوكر. فحقق نفس الأداء المعزز الذي حققته زيادة النموذج 100 ألف مرة وتدريبه لمدة 100 ألف مرة أطول. بالتالي تبنت Open AI هذه التقنية في نموذجها الذي تم إصداره حديثًا والمعروف باسم ”O1“. والذي كان يعرف سابقًا باسم Q، وستروبيري.
كذلك نشرت “رويترز” أول تقرير عنه في يوليو الماضي؛ حيث يستطيع نموذج O1 التفكير في المشكلات بطريقة متعددة الخطوات. على غرار التفكير البشري.
كما يعتمد على استخدام البيانات والملاحظات التي يتم تنسيقها من قبل دكاترة وخبراء في المجال.
أيضًا تتمثل الخلطة السرية لسلسلة O1 في مجموعة أخرى من التدريبات. التي يتم إجراؤها فوق النماذج ”الأساسية“ مثل GPT-4. وتقول الشركة إنها تخطط لتطبيق هذه التقنية مع نماذج أساسية أكثر وأكبر.
تطوير أساليب الذكاء الاصطناعي التقليدية
كذلك وفي الوقت نفسه، يعمل باحثون في مختبرات ذكاء اصطناعي أخرى رائدة، من أنثروبيك و xAI و Google DeepMind، على تطوير نسخهم الخاصة من هذه التقنية. وفقًا لخمسة أشخاص مطلعين على هذه الجهود.
وقال كيفن ويل؛ كبير مسؤولي المنتجات في Open AI في مؤتمر تقني خلال أكتوبر: ”نرى الكثير من الثمار المتدنية التي يمكننا قطفها لتحسين هذه النماذج بسرعة كبيرة.. بحلول الوقت الذي سيلحق الناس بالركب. سنحاول أن نكون متقدمين بثلاث خطوات أخرى“.
ولم تستجب جوجل و xAI لطلبات التعليق، ولم يكن لدى “أنثروبيك” أي تعليق فوري.
الآثار المترتبة على تطوير التطبيقات
كذلك قد تغير الآثار المترتبة على ذلك المشهد التنافسي لأجهزة الذكاء الاصطناعي. حيث يهيمن عليه حتى الآن الطلب النهم على رقائق الذكاء الاصطناعي من “إنفيديا”.
كما قد لاحظ هذا التحول مستثمرو رأس المال الاستثماري البارزون، من “سيكويا” إلى أندريسن هورويتز، الذين ضخوا المليارات لتمويل التطوير المكلف لنماذج الذكاء الاصطناعي في العديد من مختبرات الذكاء الاصطناعي. بما في ذلك Open AI و x AI،
وفي هذا الصدد، قالت سونيا هوانج؛ الشريكة في سيكويا كابيتال، لـ”رويترز”: “سينقلنا هذا التحول من عالم مجموعات التدريب المسبق الضخمة إلى السحب الاستدلالية. وهي خوادم موزعة قائمة على السحابة للاستدلال.
كما أدى الطلب على رقائق الذكاء الاصطناعي الخاصة بشركة Nvidia. وهي الأكثر تطورًا، إلى صعودها لتصبح الشركة الأكثر قيمة في العالم. متجاوزةً شركة Apple في أكتوبر. على عكس رقائق التدريب. حيث وجدت الشركة أن الرقائق العملاقة منافسة أكبر في سوق الاستدلال.
وردًا على سؤال حول التأثير المحتمل على الطلب على منتجاتها. أشارت “إنفيديا” إلى العروض التقديمية الأخيرة للشركة حول أهمية التقنية الكامنة وراء نموذج o1. وقد تحدث رئيسها التنفيذي جنسن هوانج، عن زيادة الطلب على استخدام رقائقها في الاستدلال.
في نهاية المطاف، قال “هوانغ” الشهر الماضي في مؤتمر بالهند. في إشارة إلى أحدث رقاقة ذكاء اصطناعي للشركة: ”لقد اكتشفنا الآن قانونًا ثانيًا للتطوير. وهو قانون التطوير في وقت الاستدلال. حيث أن كل هذه العوامل أدت إلى ارتفاع الطلب على Blackwell بشكل لا يصدق“.
المقال الأصلي : من هنـا
